aiMOOC

Mobile Robotik und autonome Materialflüsse – Karten und Lokalisierung anschaulich erklären

QR-Code

Mobile Robotik und autonome Materialflüsse – Karten und Lokalisierung anschaulich erklären

Interaktiver aiMOOC für die berufliche Ausbildung

Kurzbeschreibung: Position, Umgebung und Unsicherheit verstehen. Du lernst an einem simulierten Materialtransport, wie mobile Roboter Karten verwenden, ihre Position schätzen und mit unvollständigen Informationen umgehen.

Zielgruppe: Auszubildende in Mechatronik, Automatisierungstechnik, Fachinformatik und Lagerlogistik.

Lernzeit: ca. 90–120 Minuten inklusive Übungen.

Lernprinzip: Anschauen – ausprobieren – erklären – kritisch beurteilen.

Einleitung

Ein fahrerloses Transportfahrzeug für Paletten. Foto: Marc Auledas Noguera, 2026, CC BY 4.0.

Ein autonomer mobiler Roboter (AMR) kann Materialien zwischen Arbeitsstationen transportieren. Dazu benötigt er Informationen über die Umgebung, seine Position und mögliche Hindernisse.

Drei Fragen stehen im Mittelpunkt:

Wo bin ich? – Lokalisierung
Was befindet sich um mich herum? – Kartierung und Sensorik
Wie sicher ist meine Schätzung? – Messunsicherheit

Wichtige Sicherheitsregel: Alle praktischen Robotikübungen finden ausschließlich in Browsermodellen, Simulatoren oder einem ausdrücklich abgesicherten Schulungsbetrieb statt. Dieser Kurs enthält keine Live-Fahrbefehle. Simulationsergebnisse sind niemals eine Sicherheitsfreigabe für reale Fahrzeuge. Externe Tutorials können reale Systeme zeigen; Du beobachtest diese nur und übernimmst keine Steuerbefehle.

Dein Ausbildungsauftrag

Praxisfall: Materialtransport in einer Montagehalle

Ein simuliertes Transportfahrzeug M1 soll eine Materialbox vom Wareneingang zur Montagestation bringen.

Die Halle besitzt zwei ähnlich aussehende Regalgänge. Eine Palette wurde umgestellt. Der Roboter muss seine Position auf der Karte erkennen und die veränderte Umgebung berücksichtigen.

Vereinfachter Übungsplan – nicht maßstäblich
Bereich	West	Gang links	Mitte	Gang rechts	Ost
Nord	Wand	Wand	Wand	Wand	Wand
Regalzone	Regal	Gang	Quergang	Gang	Regal
Regalgänge	Regal	Gang	Regal	Gang	Regal
Transportzone	Start M1	Gang	Neue Palette	Gang	Ziel Montage
Süd	Wand	Wand	Wand	Wand	Wand

Leitfrage: Weshalb reicht eine eingezeichnete Strecke nicht aus, um einen sicheren realen Materialtransport nachzuweisen?

Erste Vermutung: Schreibe einen Satz, bevor Du die Lerneinheiten bearbeitest.

Lerneinheit 1: Position und Orientierung

Dauer: 7 Minuten

Ein Roboter benötigt nicht nur einen Standort, sondern auch seine Blick- beziehungsweise Fahrtrichtung.

Seine Pose wird in einer ebenen Karte häufig beschrieben durch:

x – Position in Längsrichtung

y – Position in Querrichtung

θ – Orientierung als Winkel

Ein mobiler Forschungsroboter mit LiDAR-Sensor. Foto: S. Winkvist, gemeinfrei.

Mini-Aufgabe: Zwei Roboter stehen am gleichen Kartenpunkt. Einer zeigt nach Norden, der andere nach Osten. Haben beide dieselbe Pose?

Feedback: Nein. Die Position ist gleich, aber die Orientierung verschieden. Deshalb gehören Position und Winkel zusammen.

Lerneinheit 2: Wie erkennt ein Roboter seine Umgebung?

Dauer: 8 Minuten

Ein LiDAR-Sensor misst mit Licht Entfernungen zu erfassten Oberflächen. Viele Entfernungsmessungen ergeben einen Scan.

Animation eines abtastenden LiDAR-Sensors. Mike1024, gemeinfrei.

Weitere Informationsquellen sind:

Odometrie: Schätzt die Eigenbewegung, beispielsweise aus Radbewegungen.
Inertialsensor: Misst unter anderem Winkelgeschwindigkeiten oder Beschleunigungen.
Kamera: Liefert Bildinformationen über die Umgebung.

Merke: Kein einzelner Sensor liefert unter allen Bedingungen ein vollständiges oder fehlerfreies Bild. Ein zweidimensionaler LiDAR-Scan erfasst insbesondere nicht automatisch jedes Hindernis außerhalb seiner Messebene.

Beobachtungsaufgabe: Erkläre, weshalb ein Karton oberhalb der LiDAR-Messebene möglicherweise nicht im Scan erscheint.

Feedback: Der Sensor erfasst nur seinen jeweiligen Messbereich. Eine fehlende Messung beweist daher nicht, dass der gesamte Raum hindernisfrei ist.

Lerneinheit 3: Karten lesen

Dauer: 8 Minuten

Eine Rasterkarte unterteilt die Umgebung in kleine Zellen. Eine Belegungskarte (Occupancy Grid) unterscheidet beispielsweise:

Darstellung	Bedeutung
Weiß	Als frei geschätzter Bereich
Schwarz	Als belegt geschätzter Bereich
Grau	Unbekannter oder nicht ausreichend erfasster Bereich

Achtung: Die tatsächlichen Farben hängen von der Darstellung ab. Maßgeblich sind die Kartenwerte und ihre Legende. Eine Belegungskarte ist außerdem nicht dasselbe wie die Navigations-Costmap, die zusätzliche Kosten für Hindernisnähe und andere Bereiche verwenden kann.

Schaue im Ausbildungsfall auf die neue Palette:

Eine ältere Karte zeigt dort noch einen freien Transportbereich. Aktuelle Sensordaten erkennen jedoch ein Hindernis.

Schlussfolgerung: Die gespeicherte Karte und die momentan beobachtete Umgebung können unterschiedlich sein.

Zwei Kartenarten vergleichen

Beispiel einer topologischen Kartendarstellung. F. Fernando, 2026, CC BY 4.0.

Eine Rasterkarte beschreibt Flächen durch Zellen. Eine topologische Karte beschreibt dagegen vor allem Orte und ihre Verbindungen.

Mini-Aufgabe: Welche Darstellung ist hilfreicher, um zu erkennen, ob zwei Stationen grundsätzlich miteinander verbunden sind?

Feedback: Eine topologische Karte kann Verbindungen besonders übersichtlich darstellen. Zur Prüfung konkreter Hindernisse und Abstände sind zusätzliche geometrische Daten erforderlich.

Lerneinheit 4: Lokalisierung und Unsicherheit

Dauer: 10 Minuten

Ein Roboter kennt seine exakte Position normalerweise nicht. Radschlupf, ungenaue Sensoren und ähnliche Regalgänge können mehrere Positionen plausibel erscheinen lassen.

Eine Methode zur Positionsschätzung heißt Monte-Carlo-Lokalisierung. Dabei repräsentieren viele Partikel unterschiedliche mögliche Posen.

Bildfolge: Wie entwickelt sich eine Positionsschätzung?

Eine anfängliche Verteilung möglicher Positionen.

Bewegung und Beobachtungen verändern die Positionshypothesen.

Weitere Messungen verändern die Verteilung erneut.

Alle drei Grafiken: Daniel Lu, CC BY-SA 3.0. Die grauen Markierungen stellen Partikel in einem vereinfachten Korridormodell dar.

Merksatz: Eine breite oder mehrgipflige Verteilung kann bedeuten, dass unterschiedliche Standorte plausibel sind. Eine enge Partikelgruppe allein beweist jedoch noch keine korrekte Lokalisierung.

Video: Partikelfilter verstehen

MATLAB/MathWorks, 2020: Understanding the Particle Filter. Didaktische Demonstration zur Monte-Carlo-Lokalisierung.

Beobachtungsfrage: Warum werden die Positionshypothesen durch neue Sensormessungen unterschiedlich bewertet?

Feedback: Eine Hypothese erhält eine höhere Gewichtung, wenn die beobachteten Messwerte besser zu den für diese Pose erwarteten Messwerten passen.

Interaktives Modell: Partikelfilter

University of Texas at Austin – Interactive Robotics Algorithms

Interaktive Partikelfilter-Demonstration öffnen

Das universitäre Lernmodell erklärt Bewegungsfehler, Messunsicherheit und die Aktualisierung von Positionshypothesen.

Experiment im Browser:

Verändere die angebotenen Modellparameter.
Beobachte die Verteilung der Partikel.
Vergleiche geringe und größere Unsicherheit.
Halte Deine Beobachtung in zwei Sätzen fest.

Erwartete Erkenntnis: Unsichere Bewegungs- und Sensormodelle beeinflussen die geschätzte Positionsverteilung. Neue Messungen können plausible Hypothesen stärken, aber auch fehlerhafte Schätzungen erzeugen.

Grenze: Dieses Browsermodell dient dem Verständnis, nicht dem Sicherheitsnachweis eines realen Fahrzeugs.

Lerneinheit 5: Was bedeutet SLAM?

Dauer: 8 Minuten

SLAM bedeutet Simultaneous Localization and Mapping.

Ein Roboter schätzt gleichzeitig seine eigene Pose und eine Karte einer zunächst unbekannten Umgebung.

Schematische Darstellung von Online-SLAM. Krzysztof.zielinski, CC BY-SA 3.0.

Unterscheide:

Verfahren	Ausgangssituation	Aufgabe
SLAM	Karte zunächst unbekannt	Karte und Pose gemeinsam schätzen
AMCL	Karte bereits vorhanden	Pose anhand von Karte, Bewegungsdaten und Sensormessungen schätzen

Wichtig: SLAM ist keine einzelne feste Softwaremethode. Verschiedene Verfahren verwenden unterschiedliche Modelle und Sensorinformationen.

Video: SLAM anschaulich

MATLAB/MathWorks, 2018: Implement Simultaneous Localization and Mapping Algorithms. Ältere Softwaredemonstration, deren grundlegende SLAM-Idee weiterhin relevant ist.

Aufgabe: Beobachte, welche Informationen zum Erstellen einer Karte benötigt werden.

Feedback: Sensormessungen und geschätzte Roboterbewegungen müssen räumlich miteinander verknüpft werden. Fehler in der Pose können deshalb auch die Karte beeinflussen.

Frei lizenziertes Demonstrationsvideo

Datei:Hector slam use.webm

Auledas, 2020, CC BY-SA 4.0. Historische Demonstration mit hector_slam und älterer ROS-Umgebung, nicht als Anleitung für aktuelle ROS-2-Versionen gedacht.

Reflexion: Was kannst Du in dieser Demonstration erkennen, und welche Qualitätsinformationen fehlen, um die Genauigkeit der erzeugten Karte nachzuweisen?

Lerneinheit 6: Materialflüsse in der Simulation

Dauer: 10 Minuten

Für eine Navigation benötigt ein mobiles System typischerweise:

Eine geeignete Karte.
Eine Positionsschätzung.
Aktuelle Informationen über Hindernisse.
Eine geplante Verbindung zum Ziel.
Geeignete Überwachung und sicherheitstechnische Maßnahmen außerhalb dieses Lernmodells.

In ROS 2 stellt beispielsweise Nav2 Funktionen für Karten, Lokalisierung und Navigation bereit. Gazebo kann eine virtuelle Umgebung erzeugen.

Fachliche Referenz:

Offizieller Nav2-Leitfaden für ROS 2 Jazzy und modernes Gazebo

Für diesen Kurs: Nur virtuelle Szenen, aufgezeichnete Daten und Visualisierungen betrachten. Keine Steuerbefehle an Roboter oder angeschlossene Anlagen senden.

Video: AMCL mit ROS 2 und Gazebo

PinkLAB, August 2025: ROS 2, AMCL, LiDAR und Odometrie mit Gazebo Harmonic. Demonstration eines Drittanbieters; fachliche Grundlagen mit Nav2 abgeglichen, keine Sicherheitszertifizierung.

Beobachtungsauftrag: Achte auf Karte, Lasermessungen und geschätzte Position. Welche Darstellung würdest Du zuerst prüfen, wenn sich die simulierte Positionsanzeige plötzlich verändert?

Feedback: Vergleiche Sensordaten, Karte, Koordinatenbezüge und Positionsschätzung. Eine scheinbar korrekte Anzeige allein reicht nicht aus, um die Ursache zu bestimmen.

Interaktives Modell: Eine Route auf einer Karte finden

Red Blob Games – A*-Visualisierung

Interaktives Karten- und Wegsuchmodell öffnen

Dieses Modell zeigt A* und weitere Wegsuchverfahren.

Experiment:

Verändere Start und Ziel im Modell.
Vergleiche zwei angebotene Suchverfahren.
Beobachte den Einfluss von Hindernissen.
Unterscheide gefundene Route und tatsächliche Positionskenntnis.

Feedback: Eine Wegsuche verwendet das gegebene Kartenmodell. Sie beweist weder die Richtigkeit der Karte noch die Genauigkeit der Lokalisierung oder die Sicherheit eines realen Transports.

Lerneinheit 7: Wenn die Schätzung falsch ist

Dauer: 8 Minuten

Im Ausbildungsfall zeigen die beiden Regalgänge ähnliche Merkmale. Die Lokalisierung kann dadurch mehrdeutig werden.

Zusätzlich wurde eine Palette umgestellt. Eine alte Karte enthält möglicherweise nicht mehr alle aktuellen Hindernisse.

Drei mögliche Fehlerquellen:

Bewegungsfehler: Die Odometrie driftet, beispielsweise durch Radschlupf.
Wahrnehmungsfehler: Ein Sensor erfasst ein Hindernis unvollständig.
Kartenfehler: Die tatsächliche Umgebung weicht vom Kartenstand ab.

Wichtig: Ein plausibel berechneter Weg ist kein Nachweis eines gefahrlosen Betriebs. Sicherheitsfunktionen, Risikobeurteilungen, Schutzmaßnahmen und Prüfungen müssen unabhängig von solchen Lernsimulationen behandelt werden.

Gestufte Hilfen zum Ausbildungsfall

Stufe	Hilfe
Hilfe A – Beobachten	Vergleiche Karte, aktuelle Messung und Positionsanzeige.
Hilfe B – Zuordnen	Überlege, ob das Problem vor allem die Pose, das Kartenmodell oder die Hinderniserfassung betrifft.
Hilfe C – Begründen	Erkläre, welche zusätzlichen Nachweise fehlen, bevor ein reales System überhaupt fachlich beurteilt werden dürfte.

Musterüberlegung: Die umgestellte Palette verändert die Umgebung. Ähnliche Regalgänge erschweren zusätzlich die eindeutige Positionszuordnung. Beides muss getrennt betrachtet werden.

Lerneinheit 8: Fachquellen kritisch prüfen

Dauer: 10 Minuten

Eine überzeugende Animation ist noch kein wissenschaftlicher oder sicherheitstechnischer Nachweis.

Vergleiche die Quellen nach Herausgeber, Aktualität, Nachprüfbarkeit, Interessen und Geltungsbereich.

Quelle	Stärke	Grenze
Nav2-Projektdokumentation	Konkrete technische Beschreibung von SLAM und AMCL	Versions- und Konfigurationsabhängigkeit; kein Sicherheitsnachweis
University of Texas	Nachvollziehbares didaktisches Modell von Unsicherheit	Vereinfachte Simulation
MathWorks-Lehrvideo	Anschauliche Erklärung eines Partikelfilters	Herstellerperspektive; Video von 2020
ISO 3691-4:2023	Veröffentlichter Normenrahmen für fahrerlose Flurförderzeuge und ihre Systeme	Der öffentliche Kurztext ersetzt nicht die vollständige Norm und ihre fachliche Anwendung
Wikipedia	Allgemeiner Überblick und Einstieg	Keine ausreichende Grundlage für sicherheitsbezogene Entscheidungen

Stand der Normenprüfung: Oktober 2026. ISO 3691-4:2023 ist veröffentlicht. Eine Überarbeitung befindet sich im Entwurfsverfahren. Ein Entwurf ist nicht mit einer bereits veröffentlichten Ersatznorm gleichzusetzen.

Quellenvergleich: Eine Produktwerbung behauptet, ihr Roboter könne „alle Hindernisse sicher erkennen“. Welche Quelle würdest Du für die technischen Funktionen heranziehen, und weshalb reicht eine Produktbeschreibung nicht für eine Sicherheitsbewertung?

Feedback: Technische Herstellerunterlagen können konkrete Funktionen beschreiben. Für die Sicherheitsbewertung sind jedoch insbesondere die zutreffenden Normen, Risikobeurteilungen und überprüfbaren Nachweise erforderlich. Absolute Werbeaussagen müssen kritisch hinterfragt werden.

Medienrechte und Nachnutzung

Die verwendeten Wikimedia-Commons-Dateien wurden anhand ihrer Dateibeschreibungsseiten und Lizenzangaben ausgewählt.

Medium	Urheber und Lizenz
Transportfahrzeug	Marc Auledas Noguera – CC BY 4.0
LiDAR-Roboter	S. Winkvist – gemeinfrei
LiDAR-Animation	Mike1024 – gemeinfrei
Topologische Karte	F. Fernando – CC BY 4.0
Partikelfilter-Bildserie	Daniel Lu – CC BY-SA 3.0
SLAM-Diagramm	Krzysztof.zielinski – CC BY-SA 3.0
SLAM-Video	Auledas – CC BY-SA 4.0

Lizenzhinweis: Beachte bei einer Nachnutzung die jeweilige Namensnennung, den Lizenzlink, die Änderungskennzeichnung und gegebenenfalls die Weitergabe unter gleichen Bedingungen.

YouTube: Die Videos werden über ihre bestehenden YouTube-Adressen eingebettet. Daraus folgt keine Creative-Commons-Lizenz und keine Erlaubnis zum Herunterladen, Verändern oder erneuten Hochladen. Für eine solche Nutzung wären gesonderte Rechte erforderlich.

Interaktive Webseiten: Die Modelle werden verlinkt, nicht als eigene Software weiterverbreitet. Prüfe ihre Nutzungsbedingungen vor einer Weiterverwendung.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Welche Information gehört zu einer ebenen Roboterpose? (Position und Orientierung) (!Nur die Geschwindigkeit) (!Nur die Akkuladung) (!Nur die Entfernung zum Ziel)

Was bedeutet eine unbekannte Zelle in einer Belegungskarte? (Der Bereich ist nicht ausreichend bekannt) (!Der Bereich ist sicher frei) (!Der Bereich ist immer eine Wand) (!Der Bereich ist bereits sicher geprüft)

Warum kann reine Odometrie mit der Zeit ungenauer werden? (Weil sich Bewegungsfehler aufsummieren können) (!Weil eine Karte dadurch automatisch gelöscht wird) (!Weil die Orientierung immer unveränderlich bleibt) (!Weil Lasersensoren grundsätzlich ausgeschaltet werden)

Was ist die typische Aufgabe von AMCL? (Die Pose in einer vorhandenen Karte schätzen) (!Eine Materialbox physisch aufnehmen) (!Ein Sicherheitszertifikat ausstellen) (!Jede unbekannte Umgebung ohne Karte vollständig prüfen)

Was wird bei SLAM gemeinsam geschätzt? (Karte und Roboterpose) (!Akkuspannung und Ladezeit) (!Lieferpreis und Transportkosten) (!Motortemperatur und Lagerbestand)

Was stellen die Partikel eines Lokalisierungsfilters dar? (Mögliche Posen des Roboters) (!Echte Schrauben im Fahrzeug) (!Ausschließlich Hindernisse) (!Bereits genehmigte Transportstrecken)

Was kann passieren, wenn zwei Regalgänge sehr ähnlich aussehen? (Mehrere Positionen können plausibel erscheinen) (!Die Sensorunsicherheit verschwindet immer) (!Die Karte wird automatisch vollständig) (!Die Navigation benötigt keine Lokalisierung mehr)

Was ist bei einer neu abgestellten Palette fachlich relevant? (Aktuelle Messungen können von der gespeicherten Karte abweichen) (!Eine alte Karte wird dadurch garantiert genauer) (!Jede Positionsschätzung ist danach exakt) (!Eine simulierte Route bestätigt den sicheren Betrieb)

Was beweist eine erfolgreiche Fahrt in einem Simulator? (Das untersuchte Verhalten innerhalb des gewählten Simulationsmodells) (!Die rechtliche Freigabe einer realen Anlage) (!Die vollständige Beseitigung sämtlicher Gefährdungen) (!Die garantierte Erkennung aller realen Hindernisse)

Welche Aussage zur ISO 3691-4 ist im Oktober 2026 zutreffend? (Die Ausgabe von 2023 ist veröffentlicht und eine Revision in Arbeit) (!Jede Simulation ersetzt die Anforderungen der Norm) (!Der aktuelle Entwurf ist automatisch eine veröffentlichte Ersatznorm) (!Eine Werbeanimation ersetzt den Normennachweis)

Memory

Finde die passenden Begriffspaare.

Pose	Lage und Ausrichtung
LiDAR	Laserentfernungsmessung
Odometrie	Bewegungsabschätzung
SLAM	Gleichzeitige Kartierung
Partikel	Positionshypothese
Costmap	Navigationskosten

Drag and Drop

Ordne jeden Fachbegriff seiner Funktion zu.

Ordne die richtigen Begriffe zu.	Funktion
Lokalisierung	Positionsbestimmung
Kartierung	Umgebungsmodell
Sensorfusion	Messdatenverknüpfung
Partikelfilter	Hypothesenbewertung
Wegplanung	Routensuche

Kreuzworträtsel

Odometrie	Wie heißt die Abschätzung der Eigenbewegung beispielsweise aus Radbewegungen?
Laser	Welche Lichtquelle wird bei vielen LiDAR-Sensoren eingesetzt?
Partikel	Wie heißt eine einzelne Stichprobe einer möglichen Roboterpose im Monte-Carlo-Filter?
Orientierung	Wie nennt man die Ausrichtung eines Roboters?
Rasterkarte	Welche Karte beschreibt die Umgebung durch einzelne Zellen?
Unsicherheit	Was beschreibt die begrenzte Genauigkeit einer Positionsschätzung?

LearningApps

Weitere Zuordnungs- und Wiederholungsübungen suchen:

Die Suchergebnisse stammen von externen Erstellern und müssen vor der Unterrichtsnutzung auf fachliche Richtigkeit geprüft werden.

Lückentext

Ein mobiler Roboter benötigt eine Schätzung seiner

.

Die Ausrichtung des Roboters heißt

.

Ein LiDAR-Sensor misst

.

Aus Radbewegungen kann die

eine Eigenbewegung abschätzen.

Eine Belegungskarte besteht aus einzelnen

.

Bei unbekannter Umgebung können Karte und Pose mit

gemeinsam geschätzt werden.

Die Positionsbestimmung in einer bekannten Karte heißt

.

Ein Partikelfilter arbeitet mit möglichen

.

Wiederholte Messungen können die Verteilung der

verändern.

Ungenaue Sensoren erzeugen

.

Eine veränderte Lagerumgebung kann zu einem

führen.

Eine erfolgreiche Simulation ist keine

.

Basis-, Anwendungs- und Transferaufgaben

Basis: Erkennen und beschreiben

Aufgabe: Betrachte die Rasterkarte und benenne jeweils einen freien, einen belegten und einen unbekannten Bereich. Erkläre außerdem den Unterschied zwischen Position und Pose.

Erwartete Leistung: Die Karte wird mit ihrer Legende gelesen. Die Pose enthält zusätzlich zur Position die Orientierung.

Begründetes Feedback: Eine richtige Karteninterpretation berücksichtigt unbekannte Zellen. Wer unbekannte Bereiche als frei bezeichnet, verwechselt fehlende Information mit nachgewiesener Freiheit.

Anwendung: Einen Lokalisierungsfehler untersuchen

Aufgabe: Im virtuellen Lager zeigt der Roboter plötzlich eine breite Partikelverteilung. Die beiden Regalgänge sehen fast gleich aus. Nenne zwei mögliche Ursachen und zwei Beobachtungen, die bei der Diagnose helfen.

Mögliche Lösung: Mehrdeutige Sensormessungen und Odometriefehler sind mögliche Ursachen. Ein Vergleich von LiDAR-Scan, Karte und Positionshypothesen kann helfen.

Begründetes Feedback: Mehrere plausible Positionen sind keine bloße Darstellungsstörung. Eine Diagnose muss Messwerte und zugrunde liegende Annahmen vergleichen, bevor Schlussfolgerungen gezogen werden.

Transfer: Einen Materialtransport kritisch bewerten

Aufgabe: Die simulierte Planung findet trotz der umgestellten Palette einen alternativen Weg. Ein Kollege behauptet deshalb, dass das reale Fahrzeug nun gefahrlos eingesetzt werden könne. Formuliere eine fachliche Antwort.

Mögliche Lösung: Die Planung zeigt nur das Verhalten im Simulationsmodell. Reale Risiken, Schutzfunktionen, Hinderniserfassung, Umgebungsbedingungen und die zutreffenden Sicherheitsanforderungen sind dadurch nicht nachgewiesen.

Begründetes Feedback: Ein Modell kann wichtige Fehler aufzeigen, aber es kann unbekannte reale Gefährdungen nicht automatisch ausschließen. Daher folgt aus der simulierten Route keine Sicherheitsfreigabe.

Feedback zur Selbsteinschätzung

Niveau	Erfolgreiche Bearbeitung	Nächster Lernschritt
Basis	Begriffe und Karteninformationen korrekt erklären	Unbekannte Bereiche ausdrücklich berücksichtigen
Anwendung	Messung, Kartenstand und Positionsschätzung unterscheiden	Ursachen mit Beobachtungen belegen
Transfer	Grenzen der Simulation erkennen und Quellen kritisch vergleichen	Fehlende Nachweise und Zuständigkeiten benennen

Offene Aufgaben

Leicht

Pose zeichnen: Zeichne auf Papier drei Roboter mit gleicher Position und unterschiedlicher Orientierung. Beschrifte die Winkel.
Rasterkarte gestalten: Zeichne eine kleine Lagerkarte mit freien, belegten und unbekannten Feldern und einer eindeutigen Legende.
LiDAR erklären: Erstelle eine beschriftete Skizze, die zeigt, wie Abstandsmessungen zu einem Scan werden.
Lernplakat: Gestalte ein Plakat zu den Begriffen Karte, Pose, Sensor und Unsicherheit.

Standard

Bewegungsfehler vergleichen: Dokumentiere anhand eines Browsermodells, wie sich eine Positionsschätzung bei veränderter Bewegungsunsicherheit verhält.
Partikelfilter untersuchen: Erstelle zwei Screenshots verschiedener Partikelverteilungen und erkläre den Unterschied.
Materialfluss analysieren: Entwirf eine alternative virtuelle Transportstrecke für den Ausbildungsfall und markiere unbekannte Bereiche.
Quellenvergleich: Vergleiche Nav2-Dokumentation, ein Lehrvideo und einen Wikipedia-Artikel hinsichtlich Zweck, Aktualität und Aussagekraft.

Schwer

SLAM-Modell erklären: Produziere ein zweiminütiges Erklärvideo mit selbst gestalteten Zeichnungen oder ausschließlich virtuellen Darstellungen.
Fehlerdiagnose entwickeln: Erstelle einen Entscheidungsbaum, der Odometriefehler, Kartenabweichungen und mehrdeutige Lokalisierung unterscheidet.
Sicherheitsargumentation: Entwirf eine Liste fehlender realer Nachweise, ohne selbst eine Sicherheitsfreigabe vorzunehmen.
Fachinterview und Quellenkritik: Befrage eine geeignete Lehr- oder Fachperson zu Grenzen von Robotiksimulationen und überprüfe mindestens drei Aussagen anhand nachvollziehbarer Fachquellen.

Für alle Projekte gilt: Ausschließlich Papiermodelle, virtuelle Umgebungen, aufgezeichnete Daten oder ausdrücklich abgesicherter Schulungsbetrieb. Keine eigenständige Inbetriebnahme und keine Live-Fahrbefehle.

Lernkontrolle

Die folgenden Aufgaben prüfen Zusammenhänge, Diagnosen und Transfer.

Ähnliche Regalgänge: Begründe, weshalb ein Roboter trotz präziser Entfernungsmessungen mehrere mögliche Standorte annehmen kann. Welche zusätzlichen Informationen könnten die Mehrdeutigkeit reduzieren?
Veränderte Umgebung: Eine Karte zeigt einen freien Gang, aber aktuelle Messungen zeigen eine Palette. Erkläre den Unterschied zwischen einem Kartenproblem und einem Lokalisierungsproblem.
Unsichere Messungen: Vergleiche die Auswirkungen fehlerhafter Odometrie und fehlerhafter LiDAR-Messungen auf die Positionsschätzung.
SLAM und AMCL: Entscheide begründet, welches Verfahren zur Erstellung einer bisher unbekannten Karte und welches zur Lokalisierung auf einer vorhandenen Karte geeignet sein kann.
Planung und Wirklichkeit: Erkläre, weshalb die kürzeste simulierte Route nicht zwangsläufig die beste reale Transportlösung ist.
Quellenkritik: Vergleiche eine Produktwerbung, eine technische Projektdokumentation und einen Normenhinweis. Welche Aussagen lassen sich damit jeweils überprüfen, und welche nicht?

Bewertung: Eine gute Antwort nennt eine begründete Ursache, berücksichtigt Unsicherheit, bezieht sich auf den Ausbildungsfall und grenzt Simulationsergebnisse von realen Sicherheitsnachweisen ab.

Lernnachweis

Dein Lernnachweis besteht aus einem kurzen digitalen oder analogen Ausbildungsportfolio.

Es enthält:

Fachskizze: Pose, LiDAR und eine Rasterkarte mit Legende.
Modellbeobachtung: Zwei dokumentierte Zustände einer Partikelfilter- oder Lokalisierungssimulation.
Fallanalyse: Erklärung der umgestellten Palette und der ähnlich aussehenden Regalgänge.
Quellenprüfung: Vergleich von mindestens drei fachlichen Quellen mit Herausgeber, Datum, Aussage und Grenze.
Transferreflexion: Begründung, weshalb aus einer erfolgreichen Simulation keine Sicherheitsfreigabe folgt.

Kriterium	Basisnachweis	Vertiefter Nachweis
Fachlichkeit	Zentrale Begriffe stimmen	Zusammenhänge und Grenzen werden erklärt
Beobachtung	Simulation ist dokumentiert	Unterschiedliche Hypothesen werden verglichen
Begründung	Ursachen werden genannt	Aussagen werden mit Beobachtungen gestützt
Quellenkritik	Quellen sind angegeben	Interessen, Versionen und Reichweite werden geprüft
Sicherheit	Simulationsgrenze wird benannt	Fehlende reale Nachweise werden begründet

Nicht Bestandteil des Lernnachweises: Reale Fahrversuche, Steuerkommandos, Inbetriebnahmen oder Sicherheitsfreigaben.

OERs zum Thema

Wikipedia: Mobilrobotik

Wikipedia: Simultaneous Localization and Mapping

Vertiefende, überprüfte Ausgangsquellen:

Einordnung: Die ROS-2- und Nav2-Projektdokumentation beschreibt implementierte Softwarefunktionen. Universitäre Quellen erläutern mathematische Grundlagen und Grenzen. Interaktive Webseiten sind didaktische Modelle. Der ISO-Eintrag informiert über Gegenstand und Status einer Norm. Keine dieser Quellen ersetzt allein eine vollständige technische Sicherheitsbewertung.